AI voor thuiszorg: 3 praktische toepassingen bij rapportage, planning en familiecontact

Een wijkverpleegkundige vertelde NOS al in 2018 dat ze naar eigen schatting 60 procent van haar tijd aan administratie besteedt. Die last is sindsdien niet opgelost: bij Patyna Thuiszorg bespaarde spraakgestuurd rapporteren in 2022 nog altijd 7,5 tot 16 minuten per dienst, meldt Skipr, en het risico waar die rapportages over gaan (een val bij een oudere cliënt) nam volgens het CBS de afgelopen vijftien jaar juist verder toe. AI voor thuiszorg draait daarom niet om een chatbot die zorg overneemt. Het draait om drie concrete taken: rapporteren na een zorgmoment, de wijkplanning afstemmen, en een update voor familie of mantelzorger opstellen. Wil je met je eigen team in kaart brengen welke van deze drie taken bij jullie het meeste tijd teruggeeft, dan is een AI-werksessie de eerste stap. Meer over wat een AI-agent in de zorg wel en niet zelf mag beslissen staat in toepassing 1 hieronder.

Wat AI in de thuiszorg vandaag al goed doet

Thuiszorg heeft twee kenmerken die AI-gebruik anders maken dan bij de meeste sectoren: elk contactmoment levert een verplichte rapportage op die juridisch en zorginhoudelijk telt, en de cliënt is meestal niet aanwezig om een fout meteen te corrigeren zoals bij een balie of telefoon. Gebruik AI daarom voor taken waar tijdsdruk en herhaling de bottleneck zijn, zoals een gesproken verslag omzetten naar een leesbare rapportage of een planning herschikken op basis van vaste regels. Gebruik het niet voor de beoordeling van wat een verandering betekent voor de gezondheid of veiligheid van de cliënt: dat blijft bij de zorgprofessional, met als reden steeds dezelfde die bij de valkuil hieronder staat. Drie toepassingen zijn vandaag al rijp voor de eerste categorie.

Toepassing 1: rapporteren na een zorgmoment

De taak: na elk bezoek leg je vast wat je hebt gedaan, wat je hebt waargenomen en wat er voor de volgende collega moet veranderen. Tijdsdruk in de thuiszorg leidt er vaak toe dat dit pas aan het einde van de dienst gebeurt, meldt Skipr, waardoor rapportages onvolledig blijven en de cliënt er niet meer bij betrokken kan worden.

Hoe AI helpt: je spreekt in of dicteert kort wat er is gebeurd, en AI zet dat om in een rapportageregel volgens je vaste structuur (bijvoorbeeld: wat zag je, wat deed je, wat moet de volgende collega weten). Dat werkt omdat het een vertaaltaak is: losse spreektaal omzetten naar een rapportage die op schrift staat zoals je dossier het vraagt. Bij Patyna's pilot ligt de nauwkeurigheid van het spraak-naar-tekstmodel inmiddels op ongeveer 93 procent, met een tijdsbesparing van 7,5 minuut per dienst voor een verzorgende IG en 16 minuten voor een verpleegkundige, wat omgerekend neerkomt op 43 respectievelijk 93 uur per jaar. Het werkt niet voor de beoordeling van de inhoud: AI weet niet of een waarneming die je noemt een routinezin is of een signaal dat het zorgplan moet worden aangepast. Wat je mag verwachten: een rapportageregel binnen een halve minuut in plaats van de twee tot vier minuten die het kost om zelf te typen na een drukke dienst, maar altijd een eigen controle op het enige dat telt: staat er een statusverandering in, en heb je die ook als zodanig gemarkeerd.

Een voorbeeld: de rapportage, de prompt en waar het misgaat

Het volgende voorbeeld is een geconstrueerde, fictieve casus, opgebouwd op het mechanisme hierboven. Een echt voorbeeld publiceren kan hier niet: een rapportage over een val, een lichaamsdeel of een gezondheidstoestand is direct herleidbaar tot één cliënt, ook na anonimiseren van de naam. Een verzorgende komt bij mevrouw De Groot (87, zelfstandig wonend met ondersteuning bij wassen en aankleden) en dicteert na het bezoek kort wat ze heeft gezien.

#CONTEXT: Je bent de assistent van een verzorgende IG in de thuiszorg.
Je krijgt een kort gesproken verslag van een zorgmoment en moet daar
een rapportageregel van maken voor het elektronisch cliëntendossier.

#DOEL: Een rapportageregel die een collega in tien seconden begrijpt
en die signaleert als er iets is veranderd ten opzichte van vorige keer.

#WERKWIJZE:
1. Vraag mij om: wat zag je, wat deed je, wat zei de cliënt, en of er
   iets anders was dan de vorige keer.
2. Schrijf een rapportageregel van maximaal 60 woorden, objectief en
   in de derde persoon, zonder eigen oordeel over wat het betekent.
3. Markeer met "LET OP:" vooraan de regel als er een verandering in
   staat ten opzichte van vorige keer.

#BELANGRIJKE REGELS:
- Schrijf alleen wat ik letterlijk heb genoemd, nooit een eigen
  conclusie over de oorzaak of de ernst van een waarneming.
- Gebruik geen waardeoordelen ("ging niet goed"), alleen feiten.

Het dictaat van de verzorgende: "Mevrouw De Groot was wat trager vanmorgen, hield zich extra vast aan de wastafel. Zei dat ze gisteravond even gestruikeld was over het vloerkleed in de gang, niet gevallen. Verder alles als gewoonlijk, humeur goed."

Wat AI teruggeeft, een geconstrueerd maar geloofwaardig fragment:

Cliënt was vanmorgen wat trager en hield zich extra vast tijdens de
wasbeurt. Vertelde dat ze gisteravond over het vloerkleed in de gang
is gestruikeld, waarschijnlijk door vermoeidheid. Verder ging alles
goed, cliënt was in een goed humeur.

Leest vlot weg, maar er staan twee problemen in. Eén: "LET OP:" ontbreekt. Een bijna-val bij een 87-jarige is precies het type signaal dat een volgende collega en de wijkverpleegkundige meteen moeten zien. Twee: "waarschijnlijk door vermoeidheid" is een oorzaak die nergens in het dictaat stond. Het dictaat noemde alleen dat ze zich vasthield en dat ze was gestruikeld, geen reden daarvoor. Het model vulde de meest voor de hand liggende verklaring zelf aan. Dat is geen toeval: Anthropics eigen documentatie over het verminderen van hallucinaties stelt dat zelfs het meest geavanceerde taalmodel soms tekst genereert die feitelijk onjuist is of niet aansluit bij de gegeven context, zie Reduce hallucinations. Zonder expliciete toestemming om "ik weet het niet" te zeggen, vult een model die lege plek liever met een plausibele gok.

Wat je repareert voordat dit het dossier in gaat:

LET OP: cliënt meldt dat ze gisteravond over het vloerkleed in de
gang is gestruikeld, niet gevallen. Was vanmorgen trager dan
gewoonlijk en hield zich extra vast tijdens de wasbeurt. Verder
verliep de zorg als gewoonlijk, cliënt in goed humeur.

Twee ingrepen: de LET OP-markering toegevoegd zodat de wijkverpleegkundige dit meteen ziet bij de volgende evaluatie, en de verzonnen oorzaak ("waarschijnlijk door vermoeidheid") verwijderd. Dat kost twintig tot dertig seconden, tegen twee tot drie minuten als je zelf vanaf een leeg scherm begint na een volle dienst.

Toepassing 2: de wijkplanning afstemmen op reistijd en continuïteit

De taak: elke ochtend (of bij uitval door ziekte) moet de planning van bezoeken opnieuw kloppen: welke cliënt heeft op welk moment welke zorg nodig, wie kan daar gezien reistijd en bevoegdheid (verzorgende IG of verpleegkundige) komen, en bij voorkeur dezelfde vaste gezichten.

Hoe AI helpt: je voert de vaste afspraken, de beschikbare medewerkers met hun bevoegdheden, en de uitval van vandaag in, en laat AI een voorstel maken dat rekening houdt met reistijd tussen adressen en met welke cliënten een vaste zorgverlener hebben. Dat werkt omdat het een combinatorisch probleem is met expliciete regels (wie mag wat, wie kan waar op tijd zijn), iets waar een taalmodel met de juiste input goed in meerekent. Het werkt niet zonder controle: AI kent de informele afspraken niet die nergens in het systeem staan, zoals een cliënt die liever niet door een onbekende collega wordt geholpen na een akkefietje vorige maand. Wat je mag verwachten: een eerste planningsvoorstel in enkele minuten in plaats van de tien tot twintig minuten die een planner kwijt is aan het handmatig herschikken bij één ziekmelding, maar nooit een planning die automatisch wordt verstuurd zonder dat een planner de uitzonderingen heeft gecheckt.

Toepassing 3: een update voor familie of mantelzorger opstellen

De taak: familie of een mantelzorger wil weten hoe het gaat, vaak via een berichtenfunctie in het cliëntportaal. Dat kost tijd om steeds opnieuw in eigen woorden samen te vatten, vooral als er meerdere rapportages uit de afgelopen week bij horen.

Hoe AI helpt: je laat AI een reeks rapportageregels samenvatten tot een update van een paar zinnen, in begrijpelijke taal zonder vakjargon. Dat werkt omdat het een samenvattingstaak is op tekst die je zelf al hebt vastgelegd en al hebt gecontroleerd in toepassing 1. Het werkt niet als brontekst zelf: als een van de onderliggende rapportages een gemiste statusverandering bevat (zie de valkuil hieronder), neemt de familie-update die fout automatisch over, nu naar een lezer die de cliënt niet dagelijks ziet en dus geen eigen check kan doen. Wat je mag verwachten: een conceptupdate binnen een minuut die je daarna op toon aanpast voor deze specifieke familie, in plaats van de vijf tot tien minuten die het kost om zelf meerdere rapportages terug te lezen en samen te vatten.

AI voor thuiszorg: een beslisregel voor rapportage, planning en familiecontact

Waar AI voor thuiszorg misgaat: een statusverandering die wegvalt

De drie toepassingen hierboven delen één risico: een taalmodel voorspelt het waarschijnlijkste vervolg op een tekst. Een neutrale, afgeronde zin ("verder ging alles goed") is vaak waarschijnlijker dan een onopvallend signaal eruit laten springen. Zoals in het voorbeeld hierboven kreeg de bijna-val van mevrouw De Groot pas een LET OP-markering na handmatige correctie, en kreeg de val wél een verzonnen oorzaak die nergens in het dictaat stond. Dat risico stapelt zich op binnen een team: blijft de correctie bij losse, individuele controles hangen in plaats van bij een teller die bijhoudt hoe vaak een markering achteraf moest worden toegevoegd, dan merk je een structureel probleem in je prompt pas op als het al een tijd misgaat.

Dat risico is niet abstract. Van de 7.300 mensen die in 2024 overleden aan een ongeval met een val, kregen 5.000 zorg vanuit de Wet langdurige zorg, en een val was dat jaar doodsoorzaak bij 7,7 procent van iedereen die in een Wlz-instelling overleed, meldt het CBS. Precies de groep die een thuiszorgorganisatie rapporteert en plant. Een valrisico-indicatie die in een AI-samenvatting wegvalt, is dus geen schrijffoutje maar een stap terug in het signaleren van een risico dat volgens het CBS al jaarlijks toeneemt.

Wat het oplevert, en hoe je dat na zeven dagen meet

Wat na een week beter wordt: de tijd tussen een zorgmoment en een afgeronde rapportage, en hoeveel rapportages nog aan het einde van de dienst in plaats van direct na het bezoek worden geschreven. Wat niet beter wordt: het herkennen van een statusverandering die niet letterlijk benoemd wordt (zoals een cliënt die stiller is dan gewoonlijk zonder dat te zeggen), want dat vraagt nog steeds het eigen vakoordeel van de zorgprofessional.

Meet het met drie getallen, zonder extra tooling:

• Hoeveel van de tien laatste AI-rapportages bevatten een detail dat niet in je dictaat stond? Dat moet nul zijn. Elke keer dat het wel gebeurt, zoals de verzonnen oorzaak in het voorbeeld hierboven, is een signaal om de regel tegen eigen conclusies in je prompt aan te scherpen.
• Hoeveel rapportages werden nog aan het einde van de dienst geschreven in plaats van direct na het bezoek? Daalt dit niet binnen een week, dan ligt het probleem niet bij de AI-tool maar bij de tijd die er al niet is tussen twee bezoeken.
• Hoe vaak ontbrak een LET OP-markering bij een rapportage die achteraf wel een afwijking bleek te bevatten? Dat moet dalen naar nul. Zolang dit niet nul is, controleer je elke rapportage nog zelf voor je hem afrondt.

Privacy en regelgeving: AVG, de UAVG en gezondheidsgegevens in de thuiszorg

Een rapportage over een cliënt is een gezondheidsgegeven, en dat valt onder een bijzondere categorie persoonsgegevens. Het verwerken daarvan is in beginsel verboden, met een beperkte lijst uitzonderingen, meldt de officiële tekst van artikel 9 AVG: voor zorgverleners is dat de uitzondering voor "the provision of health or social care or treatment", onder voorwaarde van een geheimhoudingsplicht voor wie de gegevens verwerkt. Die uitzondering heft alleen het verwerkingsverbod op; je hebt daarnaast nog een gewone grondslag nodig onder artikel 6 AVG, en in Nederland regelt de Uitvoeringswet AVG in de artikelen 22 tot 30 extra voorwaarden zoals die geheimhoudingsplicht.

Zet rapportages, dictaten of familiegegevens nooit in een gratis consumentenversie van een AI-chatbot. De Autoriteit Persoonsgegevens kreeg meerdere meldingen van datalekken doordat medewerkers persoonsgegevens van patiënten of klanten met zo'n chatbot deelden, meldt Security Management, waaronder een geval bij een huisartsenpraktijk waar een medewerker medische gegevens van patiënten invoerde tegen de afspraken in. De meeste chatbot-aanbieders slaan ingevoerde gegevens op, vaak zonder dat de invoerder of de cliënt dat weet. Regel daarom een zakelijk account met een verwerkersovereenkomst waarin modeltraining op je data is uitgesloten, en spreek met je team expliciet af welke gegevens wel en niet in een AI-tool mogen, net zoals bij elk ander gebruik van AI met cliëntgegevens zoals uitgelegd in ChatGPT veilig en volgens de AVG gebruiken.

Wat AI hier niet goed kan

AI kan niet beoordelen of een cliënt stiller is dan gewoonlijk zonder dat iemand dat met zoveel woorden benoemt, en het kan niet voelen wanneer een informele afspraak ("deze cliënt liever niet bij onbekende collega's") zwaarder weegt dan een efficiënte planning. Beide blijven, net als de beoordeling van een statusverandering, bij de zorgprofessional die de cliënt kent. De drempel uit de meetsectie hierboven (een detail dat niet in je dictaat stond, of een ontbrekende LET OP-markering) is het signaal dat je promptinstructie het probleem is, niet de taak zelf.

Doe dit deze week

1. Pak je laatste vijf rapportages erbij

   Zoek vijf rapportages die je deze week al hebt geschreven. Daarmee kun je een AI-concept direct naast je eigen tekst leggen en zien waar het verschil zit.

2. Gebruik de prompt hierboven, met de LET OP-regel

   Dicteer of typ dezelfde vijf zorgmomenten opnieuw in de prompt. Tel hoe vaak er een detail insloop dat niet in je dictaat stond, zoals in het voorbeeld hierboven, en hoe vaak de LET OP-markering klopte.

3. Leg de beslisregel schriftelijk vast voor je team

   Eén A4: welke afwijkingen altijd een LET OP krijgen, wie dat binnen de dienst controleert, en welke gegevens nooit in een AI-tool mogen (zie de privacysectie hierboven).

Het recept dat vandaag werkt: na elk zorgmoment dicteer je kort wat je zag en deed in de prompt hierboven, AI levert een rapportageregel met een LET OP-markering bij elke afwijking, en jij controleert die markering voordat de regel het dossier in gaat. Wil je dit met je team structureel opzetten, inclusief de koppeling met jullie eigen ECD? In een AI-werksessie bouwt je team dat in één dagdeel voor de eigen processen. Twijfel je waar te beginnen, bekijk de trainingen of plan een kort gesprek.

Bronnen

• Skipr, Patyna Thuiszorg gaat verder met spraakgestuurde rapportage, 21 oktober 2022. Zelf geopend. Bron voor de tijdsbesparing van 7,5 minuut per dienst voor een verzorgende IG en 16 minuten voor een verpleegkundige, de 43 en 93 uur per jaar, en de spraak-naar-tekst-nauwkeurigheid van ongeveer 93 procent.
• NOS, Vijfminutenregistratie wijkverpleging moet binnen jaar verdwijnen, december 2018. Zelf geopend. Bron voor de schatting van wijkverpleegkundige Pauline Arts-de Witt (60 procent van haar tijd aan administratie) en de reactie van V&VN-directeur Sonja Kersten (twee uur per dag, de helft onnodig). Historische context: deze toezegging uit 2018 is volgens latere Kamerstukken niet volledig doorgevoerd, wat de aanhoudende administratieve last verklaart.
• Centraal Bureau voor de Statistiek (CBS), Meer dodelijke valongelukken, gemiddeld ruim 21 per dag. Zelf geopend. Bron voor de 7.300 valdoden in 2024, waarvan 5.000 met Wlz-zorg, en het percentage van 7,7 procent valdoden onder overledenen in Wlz-instellingen.
• gdpr-info.eu, Art. 9 GDPR, Processing of special categories of personal data. Zelf geopend. Bron voor het verwerkingsverbod van gezondheidsgegevens en de uitzondering voor zorgverlening onder voorwaarde van een geheimhoudingsplicht.
• Security Management, AP waarschuwt voor datalekken bij gebruik AI-chatbot, 7 augustus 2024. Zelf geopend. Bron voor de meldingen van datalekken bij de Autoriteit Persoonsgegevens over medewerkers die persoonsgegevens, waaronder medische gegevens bij een huisartsenpraktijk, in een AI-chatbot invoerden.
• Anthropic, Reduce hallucinations. Zelf geopend. Bron voor het mechanisme achter een verzonnen detail: zelfs het meest geavanceerde taalmodel genereert soms tekst die feitelijk onjuist is of niet aansluit bij de gegeven context, en vult een onzekerheid liever met een plausibele gok dan met "ik weet het niet".

Veelgestelde vragen

• Mag je AI gebruiken voor rapportages in de thuiszorg?

  Ja, zolang je een zakelijk account gebruikt met een verwerkersovereenkomst waarin modeltraining op je data is uitgesloten, en nooit een gratis consumentenversie van een AI-chatbot. Een rapportage is een gezondheidsgegeven en valt onder de bijzondere categorie persoonsgegevens uit artikel 9 AVG; zorgverlening is daar een uitzondering op, maar alleen onder voorwaarde van een geheimhoudingsplicht voor wie de gegevens verwerkt. De Autoriteit Persoonsgegevens kreeg al meldingen van datalekken doordat medewerkers medische gegevens in een AI-chatbot invoerden.

• Wat is het valrisico bij ouderen in de thuiszorg, en waarom is dat belangrijk voor AI-rapportages?

  Valrisico is de kans dat een cliënt valt, en dat risico neemt toe met leeftijd, medicatiegebruik en eerdere bijna-vallen. Het CBS meldt dat van de 7.300 mensen die in 2024 overleden aan een ongeval met een val, 5.000 zorg kregen vanuit de Wet langdurige zorg. Een AI-samenvatting van een rapportage mag een nieuwe valrisico-indicatie nooit laten wegvallen, want zonder die regel wordt het zorgplan niet op tijd bijgesteld.

• Hoe werkt een elektronisch cliëntendossier (ECD) in de zorg samen met AI?

  Een ECD is het digitale dossier waarin je rapportages, het zorgplan en afspraken per cliënt vastlegt. Sommige ECD-leveranciers bieden inmiddels spraakgestuurde rapportage aan, waarbij je dicteert en AI dat omzet naar een rapportageregel in het dossier. Bij een pilot van Patyna Thuiszorg bespaarde dat 7,5 tot 16 minuten per dienst, bij een spraak-naar-tekst-nauwkeurigheid van ongeveer 93 procent. Check bij je eigen ECD-leverancier welke AI-functie precies wordt aangeboden en onder welke voorwaarden.

• Wie mag een zorgplan opstellen, en mag AI daarbij helpen?

  Je stelt een zorgplan samen op met de cliënt of, bij wilsonbekwaamheid, met de wettelijke vertegenwoordiger. AI kan helpen door rapportages van de afgelopen periode samen te vatten als input voor het gesprek, maar de keuzes in het zorgplan zelf (welke zorg, hoe vaak, welk doel) blijven bij de zorgprofessional en de cliënt samen.

• Kan AI de planning in de wijkverpleging maken?

  AI kan een eerste planningsvoorstel maken op basis van vaste afspraken, reistijd tussen adressen en de bevoegdheid van medewerkers (verzorgende IG of verpleegkundige), vooral bij een ziekmelding die de hele dag herschikt. Het kent geen informele afspraken die nergens in het systeem staan, zoals een cliënt die liever niet door een onbekende collega wordt geholpen. Laat een planner het voorstel daarom altijd controleren voor het de deur uit gaat.